问题——从“能说会写”走向“能办会做”，智能体成为新赛道焦点。 大模型能力持续提升的背景下，能够围绕目标自主规划、调用工具并完成操作的“人工智能智能体”加速从实验走向应用。近期，开源项目OpenClaw因图标形象被网友昵称为“小龙虾”，在代码托管平台上热度攀升。与以往偏重文本生成的产品不同，该类智能体更强调“感知—决策—执行”的闭环，可在授权前提下完成文件整理、信息检索、邮件处理、代码修复等多步骤任务，推动企业与个人数字化效率工具继续迭代。国内部分互联网企业也开始推出有关服务或能力组件，显示产业端对“可执行的智能”需求正在抬升。 原因——技术成熟与开源协同叠加，推动“执行代理”能力跃迁。 一是大模型带来的通用理解与推理能力增强，为智能体拆解复杂任务、形成行动计划提供底座。通过链式推理、工具调用等方式，智能体可将自然语言指令转化为可操作流程，并连接搜索、数据库、办公软件等外部系统。二是多模态交互与具身方向的进展，使智能体不仅“读懂文字”，还可理解界面元素、图像信息乃至语音指令，为接管终端操作创造条件。三是强化学习与人类反馈优化等方法，提升智能体在动态环境中的稳定性与策略质量，降低“能想但不稳、会做但易错”的落地门槛。四是模型轻量化与边缘部署能力提升，使部分功能可在手机、车载与物联网终端更高效运行，缩短响应链路、降低成本并改善隐私边界。 影响——产业链重塑加速，但安全与责任挑战同步放大。 从积极面看，智能体为办公自动化、软件工程、客户服务、经营分析、运维管理等领域带来新的效率增量，有望把碎片化流程整合为可复制的“任务流水线”，推动企业从“单点工具”升级为“流程级应用”。市场机构预测显示，全球智能体市场规模或将从2024年的约51亿美元增长至2025年的约113亿美元，并在2030年超过470亿美元；中国市场上，2024年规模约28.73亿元，预计2025年约69亿元，2030年超过280亿元，增长空间受到广泛关注。 但从风险面看，“可执行”意味着更高权限与更大影响面：一旦出现误操作、越权调用、数据泄露或被恶意诱导，可能直接造成财务损失、业务中断与合规风险。特别是在自动交易、自动付款、系统管理等高风险场景中，责任归属、审计追溯、风险隔离等问题必须前置设计。同时，开源生态在推动技术扩散的同时，也可能降低攻击门槛，对供应链安全与模型投毒防范提出更高要求。 对策——以“可用、可控、可审计”为主线推进应用治理与标准建设。 业内人士建议，企业在引入智能体时应优先明确权限边界，实行分级授权与最小权限原则，对关键动作设置二次确认、人机共管或“熔断”机制；建立可追溯的日志与审计体系，确保关键链路可回放、可解释、可问责；对接企业数据治理要求，强化数据脱敏、访问控制与合规评估；针对开源组件引入，完善供应链安全评测与依赖管理。行业层面，可加快形成任务接口规范、工具调用安全标准、评测基准与风险分级指南，推动“能用”与“安全”同步达标。 前景——从通用能力走向场景深耕，竞争焦点转向工程化与生态。 未来一段时期，智能体的发展或呈现两条主线：其一，平台型企业围绕通用底座、工具市场与开发框架构建生态，降低开发门槛；其二，垂直厂商围绕金融、制造、政务、医疗、零售等场景沉淀行业知识与流程模板，实现“可复制的业务能力”。决定胜负的不仅是模型参数规模，更在于数据治理、工具链整合、可靠性评测、成本控制与安全合规等系统工程能力。随着终端算力提升与边缘部署普及，更多“本地执行、云端协同”的形态有望出现，进一步拓宽应用边界。
人工智能技术的此突破性发展——不仅代表着技术层面的进步——更标志着人机协作新时代的开启。随着执行型智能体的推广应用，社会生产效率将获得明显提高，同时对人才培养、伦理规范、安全保障诸方面也提出了新的要求。如何在技术创新与社会需求之间找到平衡点，将成为未来发展的关键课题。这一变革必将深刻影响全球数字化发展的进程，值得各界持续关注与深入研究。